共查询到20条相似文献,搜索用时 15 毫秒
1.
遗传算法优化的BP网络在铣削力预测中的应用 总被引:1,自引:0,他引:1
神经网络初始连接权值和阀值的选择对网络的预测精度及收敛速度影响很大,但又无法准确获得,针对此问题,建立遗传算法(GA)优化的BP神经网络预测模型,解决神经网络初始权值和阀值的选择问题。该模型通过遗传算法优化BP神经网络的权值和阀值,获得最优的初始权值和阀值,并应用优化后的BP神经网络预测模型对铣削力进行预测,最后与优化前的BP神经网络模型的铣削力预测值进行对比分析。研究结果表明,经遗传算法优化后的BP神经网络模型比优化前的BP神经网络模型的预测精度高,同时加快了收敛速度。 相似文献
2.
3.
4.
5.
为了利用样本数据准确完成机床基础部件可再制造性评价,提高机床基础部件可再制造性评价预测精度,提出一种采用模拟退火遗传算法优化BP神经网络的机床基础部件可再制造性评价模型。该评价模型以机床基础部件可再制造性经典评价模型评价结果为样本数据,建立机床基础部件可再制造性评价BP神经网络预测模型,采用模拟退火遗传算法优化BP神经网络模型,寻找更优初始网络权值、阈值,以提高收敛速度和避免局部收敛。以一台机床基础部件可再制造性评价为例,验证了基于模拟退火遗传算法优化的BP神经网络评价模型具有更好的预测精度。 相似文献
6.
7.
8.
基于样品点优化的变权重组合软件可靠性的仿真研究 总被引:1,自引:0,他引:1
为提高软件可靠性预测精度,本文在建立多种单一软件可靠性预测模型的基础上,提出一种多模型变权重组合模型.实证仿真验证该模型无论在样本内还是样本外都较经过模拟退火算法优化的BP神经网络(SA-BP)及经过遗传算法优化的最小二乘支持向量机(GA-LSVM)较优,说明该变权重组合模型是一种精度更高的软件可靠性失效数据预测模型,具有较好的应用推广价值. 相似文献
9.
针对机床主轴热性能对加工精度产生影响的问题,对机床主轴热误差建模方向进行了试验研究。以数控磨床主轴为研究对象,通过热特性试验获得了阶梯转速下的温度变化数据和热误差数据,对温度数据进行了模糊聚类分组,并采用相关系数法选出了温度敏感测点;通过对灰色神经网络初始参数进行优化,建立了遗传算法(GA)优化的灰色神经网络热误差预测模型;在该模型中,以灰色神经网络的预测输出和实际值的绝对误差作为遗传算法适应度函数,以平均相对误差作为预测模型的评价标准,并与灰色神经网络、BP神经网络预测结果进行了对比。研究结果表明:该预测模型具有更高的预测精度,通过GA对灰色神经网络的初始参数进行优化,可有效地提高网络的预测精度,更好地用于热误差补偿系统。 相似文献
10.
为了降低机床热误差对主轴加工精度的影响,采用了混合粒子群算法优化BP神经网络结构,并对优化结果进行实验验证.引用了粒子群算法耦合遗传算法,给出BP神经网络结构简图,通过混合粒子群算法优化BP神经网络结构.构造机床热误差优化目标函数,采用混合粒子群算法优化目标函数,给出了混合粒子群算法优化BP神经网络流程图.建立BP神经网络热误差预测模型和BP神经网络热误差优化模型,采用三轴立式铣床对两种预测结果进行实验验证.实验结果表明:采用BP神经网络热误差预测模型,机床y轴、z轴预测结果与实验结果偏差最大值分别为6.9μm和6.7μm;采用BP神经网络热误差优化模型,机床y轴、z轴预测结果与实验结果偏差最大值分别为3.3μm和3.5μm.采用混合粒子群算法优化BP神经网络结构,能够提高机床热误差预测精度. 相似文献
11.
12.
13.
基于遗传算法优化小波神经网络数控机床热误差建模 总被引:2,自引:0,他引:2
数控机床的热误差已经成为影响其加工精度的一个关键因素,为最大限度提高数控机床热误差补偿的精度和效率,结合遗传算法自适应全局优化搜索能力和小波神经网络良好的时频局部特性的优点,提出一种基于遗传算法优化小波神经网络的机床热误差补偿模型。以某型号五轴摆动卧式加工中心为试验对象,以机床温度变量和热误差为数据输入样本,建立小波神经网络模型热误差预测模型,然后用遗传算法优化小波神经网络权值、阈值,最终建立热误差预测模型。通过与传统人工神经网络和普通小波神经网络进行对比分析及试验论证表明,该补偿模型具有精度高、抗扰动能力和鲁棒性强等优点,有望在实际加工场合的数控机床的热误差预测和补偿研究中得到更大的推广应用。 相似文献
14.
航空发动机油样光谱分析的PSO-LSSVM组合预测方法 总被引:1,自引:0,他引:1
油样光谱分析是航空发动机磨损状态监测与故障诊断的重要技术,基于光谱数据的航空发动机状态预测有利于发现航空发动机的早期磨损故障。根据光谱数据特征,选取AR模型、BP神经网络模型以及GM(1,1)预测模型作为基础模型,建立了基于最小二乘支持向量机的组合预测模型,同时,用粒子群算法对LSSVM的正则化参数以及核函数参数进行了优化。最后利用两组实际的航空发动机光谱分析数据对模型进行了验证,与基础模型的对比结果充分表明,提出的带粒子群优化的最小二乘支持向量机(the Least Squares Support Vector Machines with Particle SwarmOptimization-PSO-LSSVM)的非线性变权重组合预测模型具有更好的预测精度。 相似文献
15.
16.
遗传算法优化的SVM在航空发动机磨损故障诊断中的应用 总被引:1,自引:0,他引:1
研究遗传算法(GA)优化的支持向量机(SVM)在航空发动机磨损故障诊断中的运用。介绍基于GA优化SVM算法的实现过程,对算法中关键参数进行分析,并用改进的GA对SVM中的惩罚参数和核参数进行优化。采用GA优化的SVM对某型号航空发动机的油液磨粒数据进行诊断,并从诊断精度、计算时间、抗噪能力三方面比较GA优化的SVM、BP神经网络和RBF神经网络的诊断精度。结果表明:GA优化的SVM能够有效地诊断航空发动机磨损故障; GA优化的SVM的诊断精度明显高于RBF和BP神经网络,且在有噪声的情况下,其诊断准确度依旧高于RBF和BP神经网络,但由于GA-SVM的结构和训练方法其训练时间较长。 相似文献
17.
《机械工程与自动化》2017,(2)
为了准确预测正常状态下民航发动机的滑油消耗量,以某型号民航发动机的快速存取记录器Quick Access Recorder(QAR)数据建立能够预测正常状态下滑油消耗的模型并预测。利用遗传算法对输入数据进行筛选并优化网络的权值和阈值,建立BP网络。在此基础上对遗传算法的遗传算子进行改进,建立新的优化BP网络。将单BP网络的仿真结果分别与两种优化过的网络仿真结果对比,结果表明优化过的BP网络提高了预测的准确率,并且改进后的遗传算法优化的BP网络准确率更高。由此证明改进遗传算法优化的神经网络在预测滑油消耗上具有很强的实用性。 相似文献
18.
夏颖怡 《精密制造与自动化》2017,(2)
刀具的使用寿命对于刀具需求计划制定、刀具生产准备以及切削参数的设置等具有重要影响。为了准确预测刀具使用寿命,在BP神经网络中引入了一种新型遗传算法,提出了一种基于遗传算法优化的BP神经网络的刀具寿命预测方法。BP神经网络中的权值和阈值利用遗传算法进行优化处理,训练BP神经网络预测模型求得最优解。实验结果表明,基于GA-BP神经网络刀具寿命预测方法相比传统BP神经网络预测具有更高的寿命预测精度,为刀具需求制定、成本核算、切削参数的制定提供了理论依据。 相似文献
19.
基于遗传算法/神经网络组合技术的气液两相流型辨识 总被引:3,自引:1,他引:2
通过采用遗传算法训练BP神经网络、优化网络权值的技术,对气液两相流的流型进行了辨识研究,在此基础上建立了基于遗传算法/神经网络组合技术的气液两相流流型的预测模型,从而为发动机轴承腔内润滑油气液两相流流型识别提供了技术支持,也为考虑轴承腔气液两相流的相关设计和实验工作提供了技术条件。 相似文献
20.
《机电工程》2015,(11)
针对光伏发电系统输出电能随机性对电力系统的影响问题,对光伏输出功率预测方法进行了研究,提出了基于遗传算法优化BP神经网络的光伏预测模型。对光伏发电系统的历史发电量数据和气象数据进行了数学归纳,分析了天气类型、温度、太阳辐射强度等因素对光伏发电功率的影响。建立了基于遗传算法优化的神经网络光伏发电预测模型,提前一天进行了功率预测,且通过动态修正进一步提高了模型预测精度。运用Matlab为神经网络与遗传算法工具箱,对训练好的模型在不同日类型下进行了测试和评估,并与传统神经网络预测结果进行了对比分析。研究结果表明,利用遗传算法优化方法提高了神经网络模型预测光伏输出功率的精度,预测结果与实测结果之间的平均误差百分比减小,预测方法具有工程应用意义。 相似文献